كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر معالجة اللغة الطبيعيةخرائط طريق الذكاء الاصطناعي

دليل خوارزميات التنبؤ

أربعة مستويات من النماذج الأساسية إلى التعلم العميق. كل بطاقة تبين المبدأ الرياضي والمعاملات ومتطلبات البيانات، وهل يعمل النموذج فعلاً في متصفحك أم يحتاج إلى محرك Python.

المستوى الأول: النماذج الأساسية

المستوى الثاني: النماذج الإحصائية

يعمل في المتصفحيحتاج محرك Python الانحدار الذاتي Autoregression AR(p) يتنبأ بالقيمة الحالية كتركيبة خطية من p قيمة سابقة. يفترض سلسلة مستقرة. يعمل في المتصفحيحتاج محرك Python نموذج المتوسط المتحرك Moving Average MA(q) يعبّر عن القيمة الحالية بمتوسط ثابت وأخطاء التنبؤ q السابقة. تنقطع دالة ACF بعد q. يعمل في المتصفحيحتاج محرك Python نموذج ARMA ARMA(p,q) يجمع حدود الانحدار الذاتي والمتوسط المتحرك لنمذجة سلسلة مستقرة بعدد قليل من المعاملات. يعمل في المتصفحيحتاج محرك Python نموذج ARIMA ARIMA(p,d,q) ARMA مطبق على السلسلة بعد تفريقها d مرة، فيعالج السلاسل غير المستقرة في المتوسط (ذات الاتجاه). يعمل في المتصفحيحتاج محرك Python نموذج ARIMA الموسمي SARIMA(p,d,q)(P,D,Q)m امتداد ARIMA بحدود موسمية مضروبة وتفريق موسمي، للسلاسل التي يتكرر نمطها كل m فترة. يعمل في المتصفحيحتاج محرك Python اختيار رتب ARIMA تلقائياً Automatic ARIMA order selection يبحث في شبكة صغيرة من الرتب ويختار النموذج ذا أقل AICc، بعد تحديد d باختبار KPSS المتكرر وD بقوة الموسمية. يحتاج محرك Python (غير مفعّل) SARIMA مع متغيرات خارجية SARIMAX انحدار على متغيرات خارجية (درجة الحرارة، العطل…) مع أخطاء تتبع نموذج SARIMA. يعمل في المتصفحيحتاج محرك Python طريقة هولت للاتجاه الخطي Holt's Linear Trend تمهيد أسي بمعادلتين: للمستوى وللاتجاه، مع خيار تخميد الاتجاه (Damped) لتجنب المبالغة في الأفق البعيد. يعمل في المتصفحيحتاج محرك Python طريقة هولت-وينترز Holt-Winters تمهيد أسي بثلاث معادلات: المستوى والاتجاه والموسمية، بصيغة جمعية أو ضربية. يعمل في المتصفحيحتاج محرك Python نماذج ETS (الخطأ، الاتجاه، الموسمية) ETS (Error, Trend, Seasonal) إطار فضاء الحالة لنماذج التمهيد الأسي يسمح باختيار النموذج آلياً بمعيار AICc.

المستوى الثالث: التعلم الآلي

يعمل في المتصفحيحتاج محرك Python الانحدار الخطي على التأخيرات Linear Regression يحوّل التنبؤ إلى مسألة انحدار: الهدف y_t والخصائص قيم سابقة وخصائص تقويم. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون ا… يعمل في المتصفحيحتاج محرك Python انحدار ريدج Ridge Regression انحدار خطي مع عقوبة L2 على المعاملات تقلل التباين حين تكون التأخيرات مترابطة. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويك… يعمل في المتصفحيحتاج محرك Python الغابة العشوائية للانحدار Random Forest Regressor متوسط عدد كبير من أشجار الانحدار المدربة على عينات bootstrap. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون التنبؤ متعدد… يعمل في المتصفحيحتاج محرك Python التعزيز التدرجي Gradient Boosting يضيف أشجاراً صغيرة تباعاً، تتعلم كل منها بواقي سابقاتها. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون التنبؤ متعدد الخطو… يعمل في المتصفحيحتاج محرك Python XGBoost XGBoost تعزيز تدرجي يستخدم تقريباً من الدرجة الثانية وتنظيماً على أوزان الأوراق (λ) وعدد الأوراق (γ). تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خ… يعمل في المتصفحيحتاج محرك Python انحدار المتجهات الداعمة Support Vector Regression (SVR) يبحث عن دالة لا تنحرف عن الأهداف بأكثر من ε مع أكبر هامش، وبنواة RBF لالتقاط اللاخطية. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تق… يعمل في المتصفحيحتاج محرك Python انحدار أقرب الجيران K-Nearest Neighbors Regression يبحث في التاريخ عن k نوافذ تشبه النافذة الحالية ويأخذ متوسط ما تلاها. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون التنب…

المستوى الرابع: التعلم العميق

يعمل في المتصفحيحتاج محرك Python الشبكة العصبية المتكررة Recurrent Neural Network (RNN) شبكة تحمل حالة مخفية تتحدث مع كل خطوة زمنية. في المتصفح يُدرَّب بمكتبة TensorFlow.js داخل Web Worker على نوافذ منزلقة من السلسلة الموحدة، مع إيقاف مبكر على آخر 10% من نوا… يعمل في المتصفحيحتاج محرك Python الذاكرة طويلة قصيرة المدى LSTM خلية متكررة ببوابات إدخال ونسيان وإخراج تحفظ المعلومات لفترات أطول. في المتصفح يُدرَّب بمكتبة TensorFlow.js داخل Web Worker على نوافذ منزلقة من السلسلة الموحدة، مع إيقاف… يعمل في المتصفحيحتاج محرك Python الوحدة المتكررة ذات البوابات GRU تبسيط لـ LSTM ببوابتي تحديث وإعادة ضبط، بمعاملات أقل. في المتصفح يُدرَّب بمكتبة TensorFlow.js داخل Web Worker على نوافذ منزلقة من السلسلة الموحدة، مع إيقاف مبكر على آخر 1… يعمل في المتصفحيحتاج محرك Python الشبكة الالتفافية مع LSTM CNN-LSTM طبقة التفاف أحادية البعد تستخلص أنماطاً محلية من النافذة، ثم LSTM يتعلم تتابعها. في المتصفح يُدرَّب بمكتبة TensorFlow.js داخل Web Worker على نوافذ منزلقة من السلسلة الموح… يعمل في المتصفحيحتاج محرك Python المحوِّل للتنبؤ Transformer مُرمِّز Transformer صغير بانتباه ذاتي متعدد الرؤوس وترميز موضعي جيبي. في المتصفح يُدرَّب بمكتبة TensorFlow.js داخل Web Worker على نوافذ منزلقة من السلسلة الموحدة، مع إيقا… يعمل في المتصفحيحتاج محرك Python N-BEATS N-BEATS شبكة طبقات كثيفة على شكل كتل، تطرح كل كتلة ما فسّرته من الماضي (Backcast) وتضيف مساهمتها في التنبؤ (Forecast). في المتصفح يُدرَّب بمكتبة TensorFlow.js داخل Web Worker على… يحتاج محرك Python (غير مفعّل) المحوِّل الاندماجي الزمني Temporal Fusion Transformer (TFT) نموذج انتباه للتنبؤ متعدد الأفق يدمج متغيرات ثابتة ومعروفة مستقبلاً ومرصودة، مع شبكات اختيار المتغيرات وتنبؤات كمّية.